1) 그러나 일반적으로 그러한 "훈련"과 "훈련"은 없습니다. oos에 대한 모든 종류의 교차 검증 및 검사는 기대되는 효과를 제공하지 않으며 제공할 수도 없습니다. 사실 그러한 트릭은 검색에 불과하며 훈련 영역과 검증 영역 모두에서 거의 만족스럽게 작동하는 값을 선택합니다. 옵션이며 이는 전체 기록에서 즉시 선택하는 것과 같습니다.
2) 그럼에도 불구하고 두 가지 모델(제 경우에는 두 개의 그리드)을 사용하는 것이 오늘날 사용할 수 있는 "머신 러닝" 방법 중에서 적용할 수 있는 가장 좋은 방법이라고 생각합니다. 이것은 훈련이나 훈련이 아니라 모델을 최적화하는 방법입니다.
3) 실제 훈련은 오늘날 존재하지 않습니다. 동일하거나 유사한 패턴의 인식은 학습의 결과가 아니라 암기의 결과입니다. 학습은 새로운 정보를 수신할 때 추론하고 결론을 도출할 수 있는 특정 사고 과정(가장 원시적이긴 하지만)을 포함해야 할 뿐만 아니라 새로운 정보를 독립적으로 생성할 수 있는 능력도 포함해야 합니다. 시장은 바로 그러한 접근 방식을 필요로 합니다. 오늘날에는 제가 아는 한 그렇지 않습니다. 그리고 오늘날 우리가 사용하는 것은 불행히도 생각하는 것이 아니라 암기하는 것입니다.
1) 생각이 깊고 정확하다. 그러나 완료되지 않았습니다.
CV(crossvalid.)는 교육 및 테스트의 다른 영역에서 동일한 매개변수에 대한 교육 및 테스트입니다. 적어도 10개의 다른 폴드에서. 기계가 소음을 학습하면 평균 품질 메트릭이 약해집니다. 방법 자체는 매우 강력합니다.
그러나 데이터가 시끄럽다면 HF 피팅이 있을 수 있습니다. 이것이 바로 당신이 말하는 것입니다. 그러나 당신은 기술적인 측면에서 생각을 끝내지 않고 비관론에 빠져들게 됩니다. 오랫동안 중첩 CV(nested CV)가 있습니다. 선택한 모든 모델은 고유한 샘플 외 데이터에서 검증할 수 있습니다. 결과에 일관성이 있으면 모델이 좋은 것이고, 그렇지 않으면 나쁜 것입니다. 모든 것이 해결되었습니다.
2) 왜 그렇게 되었는지는 분명하지 않다.
3) 네. 그러나 기계 학습은 일반화된 이해에 중점을 둔 산업입니다. 오버트레이닝과의 싸움은 노력의 90%입니다.
Tsimus는 OOS에서 거래를 시작한 이후로 시간이 지남에 따라 거래 수를 줄였으며 잘못된 신호의 비율이 증가하지는 않았습니다. 그리드 사이에 점점 더 많은 모순이 있습니다. 동시에 하나는 매도하고 다른 하나는 매수합니다. 이것은 0 신호입니다. 즉, 완전히 익숙하지 않은 데이터에서 손실을 보고 거래하는 대신 모델이 거래를 중지합니다.
안드레이 딕 : Tsimus는 OOS에서 거래를 시작한 이후로 시간이 지남에 따라 거래 수를 줄였으며 잘못된 신호의 비율이 증가하지는 않았습니다. 그리드 사이에 점점 더 많은 모순이 있습니다. 동시에 하나는 매도하고 다른 하나는 매수합니다. 이것은 0 신호입니다. 즉, 완전히 익숙하지 않은 데이터에서 손실을 보고 거래하는 대신 모델이 거래를 중지합니다.
사실 나는 이 효과를 유효성 검사 영역에서 훈련의 정확성을 나타내는 지표로 사용하며, 정답/오답(오류)의 비율이 아닙니다. 이것은 중요한 거래 자산이자 교육 품질의 지표입니다. 모델이 FOS에 잘못된 신호를 보내는 경우 이는 잘못된 교육의 지표이며 시장 변화의 사실이 아닙니다.
스펙트럼 분석 및 실제 시장 매개변수에 대한 적응에 대한 짧은 간행물 https://www.mql5.com/ru/forum/86386/page98 에 이어..
나는 큰 실험을 한 것이 아니라 실습으로 이론을 보강하기 위해 실험의 본질은 지표가 현재 시장에 객관적으로 존재하는 기간으로 기간을 변경할 때마다 지표가 더 효율적으로 작동하는지 여부를 확인하는 것입니다
표시기는 "RSI"(불도저에서 가져옴)를 사용했으며 거래 규칙은 기본 70% 이상 우리가 판매하고 30% 미만을 구매하며 거래는 어리석게도 역전입니다.
처음에 나는 14의 기간으로 일반적인 RSI를 취했습니다 (이 기간은 모든 책과 기사에서 가장 자주 발견됨).
인디케이터 안빼고 솔직히 놀람....
이제 적응형 RSI
결론: 적응적 접근은 일반적인 접근보다 훨씬 더 효과적입니다.
1) 그러나 일반적으로 그러한 "훈련"과 "훈련"은 없습니다. oos에 대한 모든 종류의 교차 검증 및 검사는 기대되는 효과를 제공하지 않으며 제공할 수도 없습니다. 사실 그러한 트릭은 검색에 불과하며 훈련 영역과 검증 영역 모두에서 거의 만족스럽게 작동하는 값을 선택합니다. 옵션이며 이는 전체 기록에서 즉시 선택하는 것과 같습니다.
2) 그럼에도 불구하고 두 가지 모델(제 경우에는 두 개의 그리드)을 사용하는 것이 오늘날 사용할 수 있는 "머신 러닝" 방법 중에서 적용할 수 있는 가장 좋은 방법이라고 생각합니다. 이것은 훈련이나 훈련이 아니라 모델을 최적화하는 방법입니다.
3) 실제 훈련은 오늘날 존재하지 않습니다. 동일하거나 유사한 패턴의 인식은 학습의 결과가 아니라 암기의 결과입니다. 학습은 새로운 정보를 수신할 때 추론하고 결론을 도출할 수 있는 특정 사고 과정(가장 원시적이긴 하지만)을 포함해야 할 뿐만 아니라 새로운 정보를 독립적으로 생성할 수 있는 능력도 포함해야 합니다. 시장은 바로 그러한 접근 방식을 필요로 합니다. 오늘날에는 제가 아는 한 그렇지 않습니다. 그리고 오늘날 우리가 사용하는 것은 불행히도 생각하는 것이 아니라 암기하는 것입니다.
1) 생각이 깊고 정확하다. 그러나 완료되지 않았습니다.
CV(crossvalid.)는 교육 및 테스트의 다른 영역에서 동일한 매개변수에 대한 교육 및 테스트입니다. 적어도 10개의 다른 폴드에서. 기계가 소음을 학습하면 평균 품질 메트릭이 약해집니다. 방법 자체는 매우 강력합니다.
그러나 데이터가 시끄럽다면 HF 피팅이 있을 수 있습니다. 이것이 바로 당신이 말하는 것입니다. 그러나 당신은 기술적인 측면에서 생각을 끝내지 않고 비관론에 빠져들게 됩니다. 오랫동안 중첩 CV(nested CV)가 있습니다. 선택한 모든 모델은 고유한 샘플 외 데이터에서 검증할 수 있습니다. 결과에 일관성이 있으면 모델이 좋은 것이고, 그렇지 않으면 나쁜 것입니다. 모든 것이 해결되었습니다.
2) 왜 그렇게 되었는지는 분명하지 않다.
3) 네. 그러나 기계 학습은 일반화된 이해에 중점을 둔 산업입니다. 오버트레이닝과의 싸움은 노력의 90%입니다.
노련한 기계공들은 이것을 고려하여 기계의 입력에 시간을 부여하고 밤뿐만 아니라 세션에 따라 가격이 다르게 작동합니다.
"불굴의 마닌닉"... 클래스!
그들이 그것을 고려하는 것이 좋습니다. 나는 지점을 읽었습니다. 나는 이것에 대한 언급을 알지 못했고 내 생각을 공유하기로 결정했습니다. 사실, 세션을 개별적으로 식별할 수 있는 명확한 특징을 찾지 못해서 지금부터 지금까지 시간 제한만 적용합니다.
2) 왜 그렇게 되었는지는 분명하지 않다.
스펙트럼 분석 및 실제 시장 매개변수에 대한 적응에 대한 짧은 간행물 https://www.mql5.com/ru/forum/86386/page98 에 이어..
나는 큰 실험을 한 것이 아니라 실습으로 이론을 보강하기 위해 실험의 본질은 지표가 현재 시장에 객관적으로 존재하는 기간으로 기간을 변경할 때마다 지표가 더 효율적으로 작동하는지 여부를 확인하는 것입니다
표시기는 "RSI"(불도저에서 가져옴)를 사용했으며 거래 규칙은 기본 70% 이상 우리가 판매하고 30% 미만을 구매하며 거래는 어리석게도 역전입니다.
처음에 나는 14의 기간으로 일반적인 RSI를 취했습니다 (이 기간은 모든 책과 기사에서 가장 자주 발견됨).
인디케이터도 안빼고 솔직히 놀랬어요....
이제 적응형 RSI
결론: 적응적 접근은 일반적인 접근보다 훨씬 더 효과적입니다.
링크를 따라갔는데 표시기 기간을 동적으로 변경하는 방법을 이해하지 못했습니다.
좀 더 자세히 설명해주세요.
스펙트럼 분석 및 실제 시장 매개변수에 대한 적응에 대한 짧은 간행물 https://www.mql5.com/ru/forum/86386/page98 에 이어..
나는 큰 실험을 한 것이 아니라 실습으로 이론을 보강하기 위해 실험의 본질은 지표가 현재 시장에 객관적으로 존재하는 기간으로 기간을 변경할 때마다 지표가 더 효율적으로 작동하는지 여부를 확인하는 것입니다
링크를 따라갔는데 표시기 기간을 동적으로 변경하는 방법을 이해하지 못했습니다.
좀 더 자세히 설명해주세요.
적응에 관한 모든 것이 명확합니다. 그리고 "현재 시장에 객관적으로 존재하는" 기간을 어디에 두고 있습니까?
Tsimus는 OOS에서 거래를 시작한 이후로 시간이 지남에 따라 거래 수를 줄였으며 잘못된 신호의 비율이 증가하지는 않았습니다. 그리드 사이에 점점 더 많은 모순이 있습니다. 동시에 하나는 매도하고 다른 하나는 매수합니다. 이것은 0 신호입니다. 즉, 완전히 익숙하지 않은 데이터에서 손실을 보고 거래하는 대신 모델이 거래를 중지합니다.
생각이 흥미롭다.
아토.
사실 나는 이 효과를 유효성 검사 영역에서 훈련의 정확성을 나타내는 지표로 사용하며, 정답/오답(오류)의 비율이 아닙니다. 이것은 중요한 거래 자산이자 교육 품질의 지표입니다. 모델이 FOS에 잘못된 신호를 보내는 경우 이는 잘못된 교육의 지표이며 시장 변화의 사실이 아닙니다.